Sistema de Gestão de Gado (SGG)

O Desafio

O cálculo de indicadores zootécnicos, como o GMD (Ganho Médio Diário), exige o processamento de milhares de registros históricos de pesagens. Em arquiteturas tradicionais, carregar esses dados para a memória da aplicação (Python) gera latência inaceitável (Big O linear ou quadrático) conforme o rebanho escala.

A Engenharia: "Database-First"

Para garantir performance em escala, desenhei uma arquitetura onde a inteligência reside no Banco de Dados. O Python atua como um orquestrador leve, enquanto o MySQL executa o trabalho pesado.

1. Ecossistema Integrado

O painel financeiro não é isolado. Ele consome dados de cotação da arroba em tempo real através da integração com o microserviço Gado-Scraper, garantindo que o valuation do rebanho esteja sempre atualizado com o mercado.

2. Otimização via SQL Views

Ao invés de loops complexos no backend, implementei Views SQL estratégicas. A View v_fluxo_caixa processa entradas e saídas diretamente no banco, entregando o resultado instantaneamente.

3. Analytics e Rebanho

Gráficos de distribuição de categorias e peso do rebanho em tempo real, utilizando índices otimizados para consultas rápidas.

4. Monitoramento Individual (GMD)

O cálculo de Ganho Médio Diário exige cruzar a primeira e a última pesagem de cada animal. A View v_gmd_analitico resolve isso no banco.

Ver Código no GitHub